TensorFlow 对数据集标记的xml文件解析记录

环境

• Windows：10
• Python 3.7.10
• TensorFlow：2.3
• matplotlib：3.3.4
• lxml：4.7.1

最近要用TensorFlow做20种水果识别，对刚入手的数据集，开始对数据集进行检验。

原图如下：

以下是通过精灵标注助手生成的xml 文件

<?xml version="1.0" ?> <annotation> <folder>菠萝</folder> <filename>pineapple.jpg</filename> <path>C:\Users\Desktop\pineapple.jpg</path> <source><database>Unknown</database> </source> <size><width>730</width><height>413</height><depth>3</depth> </size><segmented>0</segmented><object><name>菠萝</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>125</xmin><ymin>112</ymin><xmax>543</xmax><ymax>400</ymax></bndbox> </object><object><name>菠萝</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>547</xmin><ymin>97</ymin><xmax>721</xmax><ymax>390</ymax></bndbox> </object> </annotation>

安装 matplotlib

pip install matplotlib

安装 lxml

pip install lxml

通过以下代码将xml中绘画的矩形框显示到图片中。

import tensorflow as tf import matplotlib.pyplot as plt from lxml import etree from matplotlib.patches import Rectangle # 绘制矩形框img = tf.io.read_file(r'./pineapple.jpg')img = tf.image.decode_jpeg(img) # 对图像进行解码 print(img.shape) plt.imshow(img) plt.show()xml = open(r'./pineapple.xml', encoding='utf-8').read() # 读取 xml文件 sel = etree.HTML(xml) # 对 xml 文件进行解析 width = sel.xpath('//size/width/text()')[0] # 获取图片的宽 height = sel.xpath('//size/height/text()')[0] # 获取图片的高 bndbox = sel.xpath('//bndbox') ax = plt.gca() # 获取当前图像 for i in range(0, len(bndbox)):xmin = sel.xpath('//bndbox/xmin/text()')[i]ymin = sel.xpath('//bndbox/ymin/text()')[i]xmax = sel.xpath('//bndbox/xmax/text()')[i]ymax = sel.xpath('//bndbox/ymax/text()')[i]xmin = int(xmin)ymin = int(ymin)xmax = int(xmax)ymax = int(ymax)plt.imshow(img.numpy())rect = Rectangle((xmin, ymin), (xmax - xmin), (ymax - ymin), fill=False, color='red') # fill=False 不需要填充ax.axes.add_patch(rect) # 添加矩形框 plt.show()

还原出入手的数据集用精灵标注助手标记的效果如下：

由于发现数据集中有多边形和矩形框数据混合，所以通过以下代码区分开来

以上xml文件一个一个的点开查看比较麻烦，用以下代码进行处理查看：

import ostry:import xml.etree.cElementTree as ET except ImportError:import xml.etree.ElementTree as ET# xml文件路径 txt_path = 'C:\\Users\\vvcat\\Desktop\\xxx\\xxxxx\\outputs2\\'for txt_file in os.listdir(txt_path):txt_name = os.path.splitext(txt_file)[0] #获取文件名txt_suffix = os.path.splitext(txt_file)[1] # 获取后缀# print(txt_name, txt_suffix)file_name_path = txt_path + txt_name + txt_suffixroot = ET.parse(file_name_path)bndboxs = root.getiterator("bndbox")if bndboxs == []:print(txt_name + txt_suffix) # 打印包含多边形框的xml文件

效果如下：

打开A（1）.xml文件，内容如下：

通过以下代码批量将xml中绘画的矩形框显示到图片中，并保存成新的图片。

import tensorflow as tf import matplotlib.pyplot as plt from lxml import etree from matplotlib.patches import Rectangle # 绘制矩形框 import glob import osimages = glob.glob('./inputs/*.jpg') xmls = glob.glob('./outputs/*.xml') xmls_names = [x.split('\\')[-1].split('.xml')[0] for x in xmls] images_names = [x.split('\\')[-1].split('.jpg')[0] for x in images] names = list(set(images_names) & set(xmls_names)) imgs = [img for img in images if img.split('\\')[-1].split('.jpg')[0] in names] #根据名称排序 imgs.sort(key=lambda x: x.split('\\')[-1].split('.jpg')[0]) xmls.sort(key=lambda x: x.split('\\')[-1].split('.xml')[0])dstfile = './output_image/' fpath = os.path.dirname(dstfile) # 获取文件路径 if not os.path.exists(fpath):os.makedirs(fpath) # 没有就创建路径 images_names = ''for i in range(0, len(xmls)):img = tf.io.read_file(imgs[i])img = tf.image.decode_jpeg(img) # 对图像进行解码xml = open(xmls[i], encoding='utf-8').read() # 读取 xml文件sel = etree.HTML(xml) # 对 xml 文件进行解析width = sel.xpath('//size/width/text()')[0] # 获取图片的宽height = sel.xpath('//size/height/text()')[0] # 获取图片的高bndbox = sel.xpath('//bndbox')ax = plt.gca() # 获取当前图像for j in range(0, len(bndbox)):xmin = sel.xpath('//bndbox/xmin/text()')[j]ymin = sel.xpath('//bndbox/ymin/text()')[j]xmax = sel.xpath('//bndbox/xmax/text()')[j]ymax = sel.xpath('//bndbox/ymax/text()')[j]xmin = int(xmin)ymin = int(ymin)xmax = int(xmax)ymax = int(ymax)plt.imshow(img.numpy())rect = Rectangle((xmin, ymin), (xmax - xmin), (ymax - ymin), fill=False, color='red') # fill=False 不需要填充ax.axes.add_patch(rect) # 添加矩形框images_names = imgs[i].split('\\')[-1]plt.savefig(dstfile + images_names)# plt.show()plt.close()

总结

以上是生活随笔为你收集整理的TensorFlow 对数据集标记的xml文件解析记录的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。